Research Insights Space
К каталогу
paper
interviews
survey

Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce

Разбор Stanford-исследования о будущем труда: WORKBank, HAS, зоны «желания vs возможности» и практические ориентиры для внедрения AI-агентов.

Открыть PDF

Практика чтения для этого источника ещё не опубликована

Ниже доступен готовый редакционный brief из прежнего каталога. Он даёт контекст, но не засчитывается как lab.

Открыть оригинал

Готовый редакционный разбор

Он сохранён из прежней версии каталога и расположен после самостоятельной практики, чтобы не подменять чтение оригинала готовым пересказом.

Исследование

Future of Work with AI Agents (Stanford, June 2025)

Аудит совпадения между желаниями работников и реальными возможностями AI-агентов.

Перейти на сайт

Авторы исследуют не только «что AI умеет», но и «чего хотят люди от AI на рабочем месте». Ключевой вклад работы - база WORKBank, где предпочтения работников сопоставлены с техническими оценками AI-экспертов на уровне конкретных рабочих задач.

Первая страница whitepaper Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce

Первая страница whitepaper (клик по изображению откроет PDF).

Методология и WORKBank

1,500

Опрошено работников

104

Профессий в выборке

844

Рассмотрено задач O*NET

52

Опрошено AI-экспертов

  • Для каждой задачи из O*NET сотрудники указывали желаемый режим: полная автоматизация, дополнение человеком или отказ от AI.
  • Использована шкала Human Agency Scale (HAS) от H1 до H5, чтобы измерить желаемую степень участия человека, а не только бинарный выбор.
  • Отдельно 52 эксперта по AI оценивали техническую реализуемость автоматизации тех же задач на уровне начала 2025 года.

Ваш обзор [1/3]

Telegram #3892

Контекст исследования и постановка задачи «желания vs возможности».

Перейти на сайт

Что работники хотят автоматизировать

Позитив к автоматизации рутины

Для 46.1% задач респонденты дали положительную оценку автоматизации (выше нейтральной точки шкалы).

  • Освободить время для более важной работы~69%
  • Избавиться от рутины~47%
  • Повысить качество результата~46%
  • Снизить стресс от задачи~25%

Основные опасения

Наряду с интересом к автоматизации, сохраняется сильный запрос на надежность, контроль и человеческий контекст.

  • Недоверие к качеству решений AI~45%
  • Страх потери работы23%
  • Недостаток человеческого подхода16%

Ваш обзор [2/3]

Telegram #3893

Четыре зоны совпадения/рассогласования и предпочтения по HAS.

Перейти на сайт

Ландшафт «желания vs возможности»

Green Light

Люди хотят автоматизацию, и технология уже готова.

Главный приоритет для внедрения и быстрого эффекта.

Red Light

Технология может, но сотрудники не хотят автоматизации.

Высокий риск сопротивления и социальных издержек.

R&D Opportunity

Сотрудники хотят автоматизацию, но текущий AI не справляется.

Лучшая зона для направленных исследований и инвестиций.

Low Priority

Низкое желание автоматизировать и низкая реализуемость.

Можно отложить без заметных потерь в ближайшей перспективе.

По результатам аудита около 41% задач попали в «Red Light» или «Low Priority», что показывает заметный разрыв между текущим фокусом части AI-инициатив и реальным запросом работников.

Предпочтительная роль человека (HAS)

H3

Равноправное партнерство человек + AI

45.2%

H4

AI-ассистент под контролем человека

35.6%

H1-H2/H5

Почти полная автономия AI или почти без AI

~19%

Практический вывод: большинство сотрудников выбирают режим сотрудничества с AI, а не полную замену человека.

Ваш обзор [3/3]

Telegram #3894

Смещение навыков, ограничения исследования и рекомендации.

Перейти на сайт

Ограничения исследования

  • Это срез начала 2025 года: по мере эволюции моделей границы «выполнимо / невыполнимо» будут сдвигаться.
  • WORKBank покрывает существующие задачи O*NET; новые типы работ и ролей могут появиться уже в ближайшие годы.
  • Не все респонденты одинаково хорошо представляли актуальные возможности AI, что влияет на оценки.
  • Выборка охватывает 104 компьютеризированные профессии, но не всю экономику (например, часть рабочих специальностей вне охвата).

Практические рекомендации

  • Приоритизировать AI-проекты из Green Light и R&D Opportunity, а не только из зон «легко автоматизировать».
  • Проектировать внедрение под модель collaboration-first: люди ожидают агентного «напарника», а не полную замену.
  • Планировать рескиллинг заранее: роль социальных, координационных и управленческих навыков будет расти.
  • Вводить постоянный аудит предпочтений сотрудников и зрелости технологий, обновляя карту задач по мере прогресса AI.
  • Снижать разрыв между интересами инвесторов/вендоров и реальными запросами работников.

Связанные главы

AI in SDLC report (IT One + Skolkovo)

Как компании измеряют влияние AI на процессы разработки и роли команд.

Towards AI-Native Software Engineering (SE 3.0)

Переход к intent-first и агентным моделям взаимодействия в инженерии.

Virtual Agent Economies

Экономические механизмы и правила для управляемых агентных систем.